乳腺癌一直是中国乃至世界公认对于女性健康的最大威胁,位列中国女性最常见的恶性肿瘤之首,也是仅次于肺癌、胃癌、肝癌和结直肠癌的第五大致死癌症。依据临床乳腺影像报告和数据系统（the Breast Imaging Reporting and Database System,BI-RADS）标准,分类为4级的微钙化灶属于难以诊断的疑似恶性类型,此类病例必须经过活体穿刺检查才能确诊其病理良恶性。但相关临床数据显示,影像评级为4的可疑钙化灶样本中,仅有三成左右是真正需要手术切除的恶性病例。因此,降低影像学上对于可疑微钙化灶的误诊率可以减少病人不必要的活检痛苦,对于提高乳腺癌治愈率改善患者的生活质量有重要的临床价值。本文以BI-RADS 4级钼靶微钙化灶为研究对象,利用基于无创影像手段和计算机人工智能进行数据挖掘的放射组学算法,展开如下研究。第一,乳腺微钙化灶纹理与形态特征研究。针对临床上疑似恶性的乳腺微钙化,本文首先对图像进行多尺度及类型的变换操作,在此基础上完成能量、方差、熵等一阶统计学相关特征、离心率和长短轴等形状特征、灰度共生矩阵、灰度游程矩阵等纹理统计量的计算和提取。第二,乳腺微钙化点拓扑特征研究。为完善乳腺钼靶放射组学研究,本文将通用纹理特征与微钙化点的拓扑结构特征结合,以图论的形式表示微钙化点间连通性、孤立性、分布密度等拓扑结构特征,综合量化可用于医学诊断的乳腺微钙化点分布和形态描述,尝试构建具有医学可解释性的乳腺微钙化特征集合。第三,乳腺微钙化分类模型设计与评估标准研究。对提取的纹理特征和拓扑特征进行数据标准化处理,通过单因素统计学方法和特征消除算法对数据量较大的特征集合进行降维操作,筛选出与病理金标准密切相关的可数特征,以达到为影像诊断提供参考和指导的目的。另外,为减少非癌变患者不必要的活检痛苦,提高分类预测模型的真良性检测率至关重要。因此,本文采用阳性预测值与敏感度分析模型的恶性病例检测能力,用阴性预测值与特异度评估其良性样本鉴别能力,以找出对判别真良性感兴趣区贡献更大的可解释特征,提高其临床应用价值。对分类预测模型的整体表现,本文采用接收者操作特征曲线曲线分析,即其面积分数和正确率作为评价标准。